Business School

WORKING PAPER SERIES

Working Paper
2014-199

Facteurs-cls de ladoption des systmes

dinformation dans la grande
distribution alimentaire : une approche
par lUTAUT
Nabila Jawadi

http://www.ipag.fr/fr/accueil/la-recherche/publications-WP.html

IPAG Business School

184, Boulevard Saint-Germain
75006 Paris
France

IPAG working papers are circulated for discussion and comments only. They have not been
peer-reviewed and may not be reproduced without permission of the authors.

Facteurs-cls de ladoption des systmes dinformation dans la grande distribution

alimentaire : une approche par lUTAUT
Rsum
Les systmes dinformation font dsormais partie intgrante des techniques de gestion des
organisations. En tant que technologies de linformation et de la communication, ils sont des
objets sociaux dont ladoption ou le rejet dpendent fortement du contexte dtude. Lobjectif
de notre recherche est dexpliciter les facteurs-cls du comportement des utilisateurs vis--vis
dun systme daide la dcision (SAD) dans le contexte particulier de la grande distribution
alimentaire en supermarchs. A cette fin, nous adoptons une approche thorique par la thorie
unifie de lacceptation et de lusage des technologies (lUTAUT) pour construire notre
modle de la recherche. Au terme dune enqute ralise auprs de 129 Managers de rayon et
Directeurs de magasin, nos rsultats montrent que les perceptions de lamlioration des
performances par lusage du SAD en question ainsi que les conditions facilitatrices de son
usage constituent des variables dterminantes du comportement des utilisateurs. Dun autre
ct, la volont, linfluence sociale et les perceptions des efforts attendus nont aucun effet
significatif sur ladoption de ce systme dinformations.
Mots-cls : acceptation des technologies, UTAUT, systmes daide la dcision, quations
structurelles.
Abstract
Information systems play an important role in the management of organizations. They are
considered as social objects interacting with users and the context of their implementation.
The purpose of our research is to identify the key factors influencing the users behavior
toward a decision support system (DSS) in the particular context of a French grocery retailer
in supermarkets. To this end, we adopt the unified theory of acceptance and use of technology
(UTAUT) as a theoretical approach to build our research model. We then conducted a survey
with 129 Managers and store managers in this supermarket. Our findings show that the
perceptions of the expected performance of the DSS use as well as the facilitating conditions
of its use are determinant variables favoring the acceptance among users. However, social
influence, voluntariness and perceptions of expected effort have no significant effect on the
DSS use.
Key words: technology acceptance, UTAUT, decision support systems, structural equation
modeling.

Facteurs-cls de ladoption des systmes dinformation dans la grande distribution

alimentaire : une approche par lUTAUT
Introduction
Les recherches sur ladoption des systmes dinformation existent depuis leur informatisation,
cest--dire depuis les annes soixante (Licklider, 1960). La problmatique nest donc pas
rcente mais elle se justifie aujourdhui pour plusieurs raisons. La premire est que le rapport
de lhomme et des organisations la technologie a chang depuis le dveloppement des
premires thories de ladoption des technologies. Certains des modles les plus connus et les
plus utiliss, tels que le modle dacceptation de la technologie de Davis (1989), ont t
dvelopps alors que la technologie informatique tait en elle-mme une nouveaut. Au
niveau professionnel, la problmatique tait daccepter la technologie par rapport au
traitement manuel des tches. Linformatique individuelle tait trs peu dveloppe. Rares
taient les mnages avoir accs Internet.
Depuis, le march des systmes dinformation est entr dans une phase de renouvellement et
non de croissance. Les nouvelles solutions visent davantage remplacer les systmes
dinformation existants qu quiper des pans non informatiss de lentreprise. La relation
professionnelle de lutilisateur la technologie et aux perturbations organisationnelles
engendres est donc diffrente. Quant la relation personnelle de lhumain la technologie,
le taux de pntration de la micro-informatique et dInternet dans les mnages a explos. Les
TIC sont devenues plus ergonomiques, plus rapides et plus personnalises : elles assistent
dsormais les hommes dans leurs tches quotidiennes et sy substituent pour certaines dentre
elles (Brangier, 2009 ; 2010).
Cette gnralisation du recours aux systmes dinformation modifie la relation des hommes et
des organisations la technologie mais engendre un second effet : lacquisition dun nouveau
systme nest plus en soi un enjeu stratgique. Now that IT has become the dominant capital
expense for most businesses, there is no excuse for waste and sloppiness (Carr, 2003).
Lgal accs des organisations aux systmes dinformation a banalis la technologie qui nest,
ds lors, plus un facteur de diffrenciation ou de comptitivit.
Le systme dinformation est toujours un enjeu stratgique mais du point de vue de son
adoption et non de son acquisition : lutilisation effective et complte du systme apparat
dsormais comme le lien critique entre les investissements en TIC et la performance de
lentreprise (Devaraj et Kohli, 2003). Pour Volle (2003), les gains tirer du systme
dinformation ne proviennent plus des investissements massifs dans linfrastructure
informatique mais du renforcement des liens entre humain, technologie et organisation.
Lobjectif de notre recherche est donc la fois thorique et appliqu. Il consiste :
identifier les dterminants qui influencent ladoption dun nouveau systme
dinformation au sein dun environnement en volution rapide o la technologie est de plus en
plus prsente et performante ;
dgager des leviers dactions qui permettent de faciliter ladoption dun nouveau
systme dinformation pour le succs de tels investissements.
Pour atteindre ces objectifs, nous tudierons les diffrentes approches de ladoption des
technologies proposes par les recherches antrieures en focalisant notre intrt sur la thorie
unifie dacceptation et de dusage des technologies (section 1). Elles nous permettront de
construire un modle de recherche (section 2) destin capter, au terme dune tude
empirique mene dans une enseigne de supermarchs franaise, les facteurs cls de succs de
2

ladoption des systmes dinformation dans la grande distribution alimentaire (section 3). Les
rsultats de lenqute mene sont prsents dans la section 4 et seront suivis par leur
discussion (section 5). La conclusion rappellera nos objectifs ainsi que nos principaux
rsultats.
1.

Cadre thorique

1.1.

Les thories dacceptation des technologies

Les recherches en psychologie sociale ont dtermin que ladoption dun comportement par
un individu est dpendante de lintention de cet individu dadopter le comportement en
question. Ce postulat, dont nous rappellerons les bases thoriques, a guid la branche
majoritaire des recherches sur lacceptation des systmes dinformation par les utilisateurs.
Parmi les modles de lintention, le modle dacceptation 1 de la technologie (TAM) de Davis
(1989) constitue le modle de rfrence des recherches en systmes dinformation que ce soit
pour sa primeur en matire de modle spcifiquement ddi aux TIC, son nombre lev de
citations et de validations empiriques ou pour sa longvit.
Issu des thories de la psychologie sociale (la thorie de laction raisonne et la thorie du
comportement planifi), le TAM a cependant t dvelopp pour une application propre aux
SI et ne sinscrit plus dans le cadre de thories gnrales sur le comportement humain. Le
TAM admet que lutilisation effective dune technologie dpend bien de lintention et
considre quelle est influence par lattitude de lutilisateur envers le comportement. Le
modle cherche donc identifier les dterminants de lattitude et de lintention de se
comporter : ils sont au nombre de deux, lutilit perue et la facilit dutilisation perue.
Lutilit perue est dfinie comme le degr selon lequel une personne croit que l'utilisation
d'une technologie augmentera son efficacit, cest--dire dire son rendement professionnel
ou domestique (Davis et al., 1989, Hong et al., 2001/2002 ; Venkatesh, 2003 ; Brangier et al.,
2010). La facilit dutilisation perue est dfinie comme le niveau selon lequel une personne
peroit lutilisation dune technologie comme tant exempte deffort important (Davis et al.,
1989, Hong et al., 2001/2002 ; Venkatesh, 2003 ; Brangier et al., 2010).
Le TAM constitue le modle le plus utilis (non seulement dans les recherches en systmes
dinformation mais aussi dans dautres domaines comme le marketing). Il a connu plusieurs
modifications et extensions visant amliorer son pouvoir explicatif et cerner le plus de
variables possible influenant le comportement de lutilisateur vis--vis des technologies. Il
fourni galement le fondement de lUTAUT, le modle que nous adoptons dans notre travail
et que nous prsenterons ultrieurement.
Une deuxime catgorie de travaux dont lobjectif est de comprendre le comportement de
lindividu lgard des TIC sest directement intresse la notion de satisfaction (Cyert et
March, 1963) en considrant que l'utilisateur cherche maximiser sa satisfaction et utilise
d'autant plus une TIC que cet usage s'avre satisfaisant. L'valuation du niveau de satisfaction
est donc un dterminant de l'utilisation d'une technologie. Ces prmices ont permis une
avance majeure de la thorie (DeLone et McLean, 1992) en proposant un modle explicatif :
lusage et la satisfaction sinfluencent mutuellement et sont conjointement dtermins par
deux facteurs : la qualit de linformation et la qualit du systme. Les modifications au
niveau de lindividu apparaissent par rapport celles de lefficacit organisationnelle et
inversement, cest--dire quen plus dtre des effets, lutilisation et la satisfaction gnrent
leurs propres impacts (Jurison, 1996 ; Igbaria et Tan, 1997), qui peuvent avoir une forme
individuelle (comportement de lutilisateur) ou organisationnelle (performance de
1

Nous notons que dans certains travaux (Brangier, 2010), on utilise le terme adoption pour dsigner un degr lus
avanc de lacceptation traduisant lusage. Dans notre travail, nous ne distinguons pas les deux termes.

lorganisation). Toutefois, les impacts sont dabord individuels et se propagent vers les
impacts organisationnels.
En dpit des apports de ces approches et thories pour comprendre les facteurs explicatifs du
comportement dadoption dune technologie, des interrogations persistent. En effet, certains
auteurs (Licklider, 1960 ; Engelbart, 1992 ; De Rosnay, 2000 ; Brangier, 2003) ont avanc les
limites pistmologiques des prcdentes approches de lacceptation des technologies. Pour
ces auteurs, la technologie ne doit pas tre aborde comme un outil extrieur, que lhomme et
lorganisation devraient accepter, mais comme un prolongement de ces entits. La technologie
est alors considre comme un symbiote, au sens mtaphorique du terme, cest--dire que la
relation humain-technologie-organisation est une association constante, obligatoire et
spcifique entre deux organismes ne pouvant vivre l'un sans l'autre, chacun d'eux tirant un
bnfice de cette association 2 .
Lapproche symbiotique considre que cette coopration serait en mesure daugmenter les
capacits intellectuelles de lhumain : il dplace dans la technologie ce qui, de lui-mme, est
programmable (Brangier 2010) tel que le travail de routine, la prparation des actions et
lindication des chemins possibles pour les actions ou dcisions humaines. De son ct,
lhumain dcide, fixe les objectifs, formule les hypothses, dtermine les critres de dcision
et effectue les valuations. Cette coopration permet lhomme de rsoudre des situations
plus complexes (Licklider, 1960). Bien quapportant un nouvel angle dapproche la question
de lacceptation des TIC, lapproche de la symbiose homme-machine reste peu applique dans
les recherches en systmes dinformation. Ceci sexplique par les difficults de sa mise en
uvre et doprationnalisation de ses concepts.
Les dveloppements prcdents nous ont renseigns sur limportance de cibler les besoins de
ltude. En effet, certains modles sont plus adapts pour prdire lutilisation dune nouvelle
TIC l o dautres sont focaliss sur lexplication et la correction du comportement pour des
TIC dj implantes. De mme, l o modles se sont attachs mesurer lacceptation
individuelle des TIC, dautres thories se sont focalises sur lacceptation organisationnelle.
Ltude exhaustive de toutes ces relations au sein dun mme modle nous semble encore
utopique et nous devons nous concentrer sur un niveau dadoption des SI.
Nous nous intresserons un contexte dtude au sein duquel la technologie est dj
implante mais en tat de sous-utilisation. Les modles centrs sur la prdiction ou la
slection du systme technique nous seront peu utiles puisque nous ne pourrons pas mettre en
uvre leurs apports. De plus, les dveloppements prcdents nous ont dmontrs la primaut
des impacts individuels de lacceptation sur les impacts organisationnels. Pour rpondre
notre problmatique, nous nous tournons donc vers une thorie unifie des modles sur
lacceptation individuelle des technologies.
1.2.

La thorie unifie dacceptation et dusage des technologies

Face un ensemble de thories parses, des chercheurs comme Venkatesh et al., 2003 ont
remarqu que les tudes empiriques sur ladoption des technologies se rsument souvent
choisir un modle en ignorant largement lapport des recherches parallles (Venkatesh et al.,
2003, p. 426). Afin de rpondre la dispersion des recherches sur ladoption des technologies,
Venkatesh et al. (2003) ont effectu une synthse des principaux modles de lacceptation
individuelle des TIC pour en dgager une thorie unifie dacceptation et dutilisation de la
technologie (Unified Theory of Acceptation and Use of Technology : UTAUT). Construite
partir de huit modles antrieurs, lUTAUT a permis damliorer considrablement la
comprhension des mcanismes dadoption des technologies.
2

Dfinition du Larousse 2008.

LUTAUT sinscrit dans la ligne des modles de lintention et sintresse au niveau

individuel de lacceptation des technologies, cest--dire que les ractions individuelles dun
utilisateur potentiel dterminent son intention dutiliser la technologie, laquelle dtermine le
comportement dusage actuel de la technologie. En outre, il y a rtroaction entre lusage et les
ractions individuelles : les croyances dun individu envers la technologie sont modifies par
lexprience positive ou ngative quil en fait.
Lintention dadoption dune technologie et son usage sont donc considrs comme des
variables dpendantes et lUTAUT sintresse leurs dterminants. Toutefois, on dnote deux
apports principaux de lUTAUT par rapport aux thories prcdentes :
les dterminants de lUTAUT ont t construits partir dune synthse des
dterminants les plus significatifs des autres modles de recherche;
lUTAUT modre linfluence de ces dterminants sur lintention et le comportement
dusage grce la prise en compte de variables modratrices.
Pour la validation de lUTAUT, Venkatesh et al., (2003) ont procd la comparaison de huit
modles alternatifs sur une population de 215 professionnels. Les rsultats ont permis de
comparer, au-del de la qualit des modles 3 , la contribution des diffrents dterminants et
variables modratrices dans la dtermination de lintention et de lusage. Venkatesh et al.
(2003) ont ainsi dmontr limportance significative de linfluence du contexte dusage
(volontaire ou obligatoire) sur ladoption des technologies : dans un contexte obligatoire, les
dterminants relevant de linfluence sociale ont eu un effet plus fort. De plus, linfluence des
diffrents dterminants de lintention varie avec le temps : certains dterminants significatifs
sur les premires mesures deviennent non significatifs avec laugmentation de lexprience.
De mme, lintgration de lge et du sexe comme variables modratrices des dterminants de
lintention et de lusage ont apport une augmentation significative de la variance explique.
Aprs cette synthse, lUTAUT retient finalement :
trois dterminants directs de lintention : la performance attendue, leffort attendu et
linfluence sociale;
deux dterminants direct de lusage : les conditions facilitatrices et lintention
dadopter un comportement.
quatre variables modratrices : le sexe, lge, lexprience et le contexte dusage
(volontaire ou obligatoire).
Etant donns les apports de lUTAUT par rapport aux autres modles dintention, il a fait
lobjet de plusieurs validations empiriques et extensions. Le modle a notamment t utilis
dans le milieu acadmique pour prvoir et expliquer lusage de la plateforme de-education
Blackboard par les tudiants (Marchewka et al., 2007), lutilisation par les chercheurs dune
plateforme de documents lectroniques en accs libre (Dulle, 2011) ou encore lutilisation par
les tudiants de sites Internet dtermins (Dulle et Minishi-Majanda, 2009). Au niveau
professionnel, lUTAUT a pu tre utilise pour mesurer ladoption des mdias sociaux dans
les organismes but non lucratifs (Curtis et al., 2010) et limportance de linfluence sociale
dans les entreprises allemandes (Eckhardt et al., 2009). Enfin, le modle a galement t
enrichi de nouveaux construits pour rpondre des contextes particuliers tels que lutilisation
de la messagerie instantane par les tudiants (Lin et Anol, 2008) ou lutilisation de lelearning Tawan (Wang et Wang, 2010).

Venkatesh et al. (2003) ont relev que la variance dans lintention des diffrents modles fluctue entre 17% et
42%.

Toutefois, la majeure extension de lUTAUT rside dans lintgration dune nouvelle variable
qui est le comportement attendu ( behavioral expectation ). Cette variable exerce une effet
mdiateur des effets de lintention de se comporter sur le comportement dusage (en plus de
leffet direct entre ces deux dernires). Le comportement attendu a t introduit lUTAUT
suite lobservation dun cart entre lintention dutilisation dune technologie et son usage
effectif (Sykes et al., 2009 ; Venkatesh et al., 2008 ; Venkatesh et Goal, 2010). Le
comportement attendu est dfini comme une probabilit subjective auto-dclare que
lutilisateur adopte un comportement particulier (Warshaw et Davis, 1984). Cette probabilit
est base sur lvaluation cognitive des dterminants volontaires et non volontaires du
comportement.
LUTAUT est certainement le modle explicatif de ladoption individuelle des technologies le
plus abouti ce jour. En expliquant prs de 70% de la variance dans lintention et 50% de la
variance dans lusage (Venkatesh et al., 2003), lUTAUT se positionne comme le modle
disposant du meilleur coefficient de dtermination (R) de lintention du comportement et du
comportement dusage dune TI. Les critiques son encontre sont, pour le moment,
relativement rares dans la littrature. Toutefois, Bagozzi (2007) remarque que la complexit
de lUTAUT et le nombre de variables modlises rendent difficiles son exploitation concrte.
Van Raaij et Schepers (2008) avancent notamment que le TAM fournit une base plus prcise
que lUTAUT sur certains aspects car il se concentre sur le dtail des dterminants de
lintention plutt que sur les variables modratrices de quelques construits psychomtriques.
Etant donns les apports de lUTAUT et prenant en considration ses limites voques dans
les travaux antrieurs, nous avons construit notre modle de recherche. Nous avons galement
tenu compte des spcificits du contexte de sa validation empirique pour allger le modle et
rendre son application plus oprationnelle.
2.

Modle de la recherche

Nous construirons notre modle de recherche sur la base de lUTAUT. Le modle originel est
pur de ses variables modratrices individuelles et nous intgrerons un nouveau construit
issu de recherches rcentes : le comportement attendu.
Lintrt majeur 4 de lUTAUT par rapport aux prcdents modles de lintention est
dintgrer quatre variables modratrices des principaux dterminants de lintention. Trois de
ces variables sont individuelles et relatives au sexe, lge et lexprience de lutilisateur.
La quatrime variable modratrice est organisationnelle et renvoie au caractre volontaire ou
obligatoire de lutilisation de la technologie.
Toutefois, lobjectif final de notre recherche est de dterminer, partir des principaux facteurs
qui facilitent ladoption des systmes dinformation dans la grande distribution alimentaire,
des leviers dactions concrets et pertinents pour garantir le succs de tels projets. Or le sexe,
lge et lexprience sont des variables dlicates exploiter dans notre contexte dtude,
notamment court ou moyen terme. De plus, linfluence du sexe et de lge sur lintention
dadopter une technologie na pas t vrifie dans toutes les validations empiriques de
lUTAUT. Lors dune tude portant sur lutilisation de la plateforme de formation en ligne,
Marchewka et al. (2007) nont pas observ deffets significatifs du sexe ou de lge sur les
dterminants de lintention. Ces rsultats confirment lintrt limit pour notre recherche
dexploiter ces deux variables modratrices. Nous remarquons galement que la troisime
version du TAM propose par Venkatesh et Bala (2008), ne reprend que lexprience et le
contexte dusage comme variables modratrices des normes subjectives.

Variance explique de R = 70% (Venkatesh et al., 2003).

Notre modle est donc compos de trois variables latentes endognes. Chacune de ces
variables est dtermine par linfluence conjointe de plusieurs variables latentes explicatives
dont nous prciserons les liens au sein du modle structurel de la recherche.
Comme cela
a pu tre vrifi de nombreuses reprises dans la littrature (Venkatesh et al., 2000 ;
Venkatesh et al., 2003), nous nous attendons une influence positive sur lintention du
comportement des croyances selon lesquelles un individu pense que lusage de la
technologie :
-

laidera amliorer ses performances au travail,

sera facile,
sera encourag par les personnes qui lui sont proches.

Les hypothses qui en dcoulent sont prsentes dans le tableau 1.

Tableau 1 : Les hypothses de recherche relatives aux dterminants de lintention de se
comporter
Hypothses
H1
H2
H3

Enoncs
La performance attendue dun SI exerce un effet positif sur lintention de
ladopter.
Les perceptions de la facilit dutilisation dun SI exercent un effet positif sur
lintention de ladopter.
Linfluence sociale exerce un effet positif sur lintention dadopter un SI.

Daprs les travaux de Venkatesh et al. (2008), nous nous attendons galement ce que leffet
positif de linfluence sociale sur lintention dadopter le systme soit modre par la volont ;
cest--dire dire que plus le contexte dusage sera ressenti comme volontaire, moins
linfluence sociale aura dimportance sur la dtermination de lintention. Do lhypothse
suivante :
Tableau 2 : Lhypothse de recherche relative leffet modrateur de la volont
Hypothse
H3a

Enonc
La volont rduit leffet positif de linfluence sociale sur lintention dadopter
un SI.

De plus, les recherches sur le comportement attendu (Venkatesh et al., 2008) nous ont permis
de dgager ce dterminant intermdiaire qui intervient entre lintention premire dutiliser le
systme et lusage rel qui en est fait. Nous nous attendons ce que le comportement attendu
capte leffet direct de linfluence des conditions facilitatrices et de lintention sur lusage.
Tableau 3 : Les hypothses de recherche relatives aux dterminants du comportement attendu
Hypothses
H4
H5

Formulations
Les conditions facilitatrices exercent un effet positif sur le comportement
attendu.
Lintention de se comporter exerce un effet positif sur le comportement
attendu.

Enfin, lusage rel du systme est conditionn par linfluence conjointe de lintention de
lutiliser et du comportement attendu.

Tableau 4 : Les hypothses de recherche relatives aux dterminants du comportement

dusage
Hypothses
H6
H7

Formulations
Lintention de se comporter exerce un effet positif sur lusage dun SI.
Le comportement attendu exerce un effet positif sur lusage dun SI.

Pour les mmes raisons qui nous ont pousses exclure certaines variables modratrices de
notre modle, nous ne conserverons pas la distinction selon laquelle lintention est un meilleur
prdicteur de la dure dutilisation que le comportement attendu, et que le comportement
attendu est un meilleur prdicteur de la frquence et de lintensit dutilisation que lintention
(Venkatesh et al., 2008). Toutefois, nous comptons mesurer ces donnes dans le cadre de
notre recherche afin de permettre leur exploitation future. Ainsi notre modle de recherche
peut tre prsent par la figure 1.
Volont
Influence
sociale

H3

H2

Effort attendu
Performance
attendue

H3a

Intention
de se
comporter

H6

Usage
H5

H7

H1
H4

Comportement
attendu

Conditions
facilitatrices
Figure 1 : Le modle de recherche
Notre modle de recherche et les hypothses qui lui sont associes sont dsormais dtermins
et nous devons construire loutil destin mesurer les variables latentes.
3. Mthodologie
3.1. Construction de loutil de mesure
Une dmarche quantitative par questionnaire a t adopte. Il sagit en effet de la mthode la
plus efficace pour mesurer le comportement dun grand nombre de salaris. Outre le nombre,
cette mthode nous permet galement de toucher des individus rpartis sur un large primtre
gographique. Le questionnaire de notre recherche a t labor partir dune synthse des
recherches antrieures sur ladoption des systmes dinformation. Les items utiliss ont t
puiss dans la littrature antrieure notamment le travail de Venkatesh et al., (2003) et (2008).
Tous les items ont t traduits selon la mthode du comit jusqu obtention de lunanimit
sur les traductions retenues. Pour toutes les variables, nous avons utilis une chelle de Likert
5 points (1. Pas du tout daccord, 2. Pas daccord, 3. Indiffrent, 4. Plutt daccord, 5. Tout
fait daccord) lexception de lusage. Toutes les chelles utilises ainsi que leurs sources
sont prsentes en annexe 1.

3.2. Population concerne et mthodologie de recueil des donnes

Le questionnaire de notre recherche a t diffus au sein dune grande enseigne de la
distribution alimentaire dont nous tairons le nom pour des raisons de confidentialit. Le
questionnaire a t adress au personnel dencadrement des supermarchs. Il sagit en effet de
la population concerne par lutilisation du logiciel tudi : SAP Business Objects (BO). Cet
outil dcisionnel, destin faciliter le pilotage de la stratgie du magasin, est en tat de sousutilisation et nous cherchons en comprendre les facteurs dterminants. BO a t install dans
cette enseigne ds 2005 (pour les utilisateurs pilotes et sur des donnes conomiques) avant
de connatre un dveloppement progressif. Les donnes ressources humaines (RH) sont
accessibles sur BO depuis 2008. Il est aliment mensuellement (probablement depuis un
infocentre). Les utilisateurs peuvent donc analyser lvolution de leurs donnes et les carts
de mois en mois (et danne en anne pour comparer sur la mme priode) afin de piloter
lactivit des magasins. Pour la partie RH, lobjectif principal avou tait daider les
directeurs de magasin optimiser la gestion du temps de travail ( la masse salariale par
ricochet), notamment les compteurs dannualisation. Avec une gestion fine du temps de
travail, les utilisateurs peuvent adapter les heures de travail aux besoins et se passer des
intrimaires/CDD (trs couteux) auxquels ils sont obligs de faire appel quand il ny a pas de
stocks des heures en prvision des semaines charges.
Nous avons accord une importance particulire la phase dadministration du questionnaire
et au recueil des donnes puisquelle constitue une condition essentielle de la qualit des
rsultats obtenus. Nous avons assur les rpondants de la confidentialit et de lanonymat des
donnes recueillies. Pour renforcer cet effet, nous avons opt pour un mode de distribution par
courriel. A ce titre, le lien vers le questionnaire a t insr dans les courriels envoys la
cible et la rponse est de ce fait compltement anonyme.
La population observe est constitue de membres dencadrement lamplitude horaire large
et aux contraintes organisationnelles importantes. Le mode de distribution par courriel nous
permet une administration non invasive du questionnaire en renforant le caractre volontaire
de la dmarche du rpondant. Il peut alors prendre le temps de la rflexion et rpondre au
questionnaire dans un moment favorable contrairement un mode de distribution par
tlphone ou contact direct enquteur. De plus, le mode de distribution par courriel nous
permet de toucher une grande diversit dindividus loigns gographiquement et dviter les
biais lis aux spcificits locales, le cas chant. Toutefois, la diffusion du questionnaire par
courriel soulve certaines limites : le taux de retour des questionnaires en auto-administration
est traditionnellement plus faible, les rpondants potentiels nont pas la facult dinterroger
lenquteur pour clarifier certaines questions et le risque de surreprsentation de certaines
catgories est accru.
Pour parer ces limites, nous avons effectu une large diffusion de notre questionnaire qui
devrait nous garantir un nombre de retours suffisants pour raliser des analyses statistiques
ultrieures. Le questionnaire a t diffus auprs 162 supermarchs rpartis sur le Nord, lEst
et le Sud de la France. A raison de deux trois membres dencadrement concerns par
supermarch, cela reprsente une population de 400 rpondants potentiels. En tte du
questionnaire, nous avons galement prcis nos coordonnes directes (tlphone et courriel)
en invitant les rpondants nous contacter pour toute question sur lenqute ou prcision sur
les questions. Enfin, le risque de surreprsentation de certaines catgories est ici limit
puisque nous nous adressons une population homogne, forme lutilisation du courriel,
utilisant cet outil quotidiennement et dont nous avons mesur les caractristiques individuelles
susceptibles dinfluencer le rapport la technologie (ge, sexe, exprience).

3.3. Analyse de donnes

Les donnes recueillies ont t analyses en deux tapes. La premire vise valuer la qualit
de linstrument de mesure par lvaluation des validits discriminante et convergente. A cette
fin, nous avons calcul pour chaque construit la variance moyenne extraite (AVE), la fiabilit
composite (CR) et lalpha de Cronbach (). Les seuils dacceptabilit requis pour ces
indicateurs sont de 0,5 pour AVE, 0,7 pour CR et 0,7 pour (Fornell et Larker, 1981 ;
Nunnaly et Bernstein, 1994). Nous avons galement calcul les contributions factorielles
croises (Cross loading) et les corrlations inter-construits pour sassurer que les items utiliss
mesurent bien leur construits et que les construits sont indpendants.
La deuxime tape a pour objectif de tester les relations structurelles entre les variables du
modle. Pour ce faire, nous calculons les coefficients de corrlation et leurs niveaux de
significativit par le T de student. Ces deux tapes sont ralises laide du logiciel Smart
PLS 2.0 (Ringle et al., 2005) bas que la mthode PLS destimation (Partial Least Square).
4.
4.1.

Rsultats
Statistiques descriptives

Deux relances ont t effectues suite au premier envoi du questionnaire. Lchantillon final
de rpondants est compos de 129 individus ; ce qui reprsente un taux de rponse de 32%.
72% de lchantillon est compos dhommes alors que 28% est compos de femmes. Cette
forte proportion dhommes doit tre prise en compte lors de linterprtation et la discussion
des rsultats. Quant la rpartition des statuts, on note une forte proportion de cadres
(directeurs de magasin et directeurs rfrents) hauteur de 66% de lchantillon pour 34%
dagents de matrise (manager relais et manager de rayon). Enfin, la moyenne des ges se
situe entre 30 et 49 ans (69% de lchantillon avec 49% situ entre 30 et 39 ans) et 80% des
individus ont moins dun an dexprience avec le logiciel 5 .
4.2.

Analyse confirmatoire

Les rsultats obtenus suite lanalyse confirmatoire peuvent tre considrs comme
satisfaisants et confirmant les proprits psychomtriques de linstrument de mesure.
Concernant la validit convergente, les rsultats obtenus sont situs entre 0,5 et 0,89 pour
lAVE, 0,75 et 0,93 pour la CR et 0,75 et 0,89 pour . Nous notons, toutefois, que pour
lusage et les conditions facilitatrices lAVE est infrieure au seuil requis mais pas trs faible
alors que la fiabilit peut tre considre comme faible. Les rsultats de cette tape sont
prsents dans le tableau 5.
Tableau 5 : Evaluation de la validit convergente des construits

AVE

CR

Intention

0,82

0,93

0,90

Comportement attendu

0,74

0,92

0,88

Effort attendu

0,66

0,89

0,82

Performance attendue

0,67

0,86

0,76

Conditions facilitatrices

0,4

0,71

0,50

Influence sociale

0,56

0,83

0,75

Usage

0,45

0,71

0,41

Volont

0,51

0,75

0,55

Nous rappelons que Business Object a t mis en place dans lentreprise depuis .

10

La validit discriminante est value par la comparaison des contributions factorielles de

chaque item ses contributions factorielles croises (contributions factorielles aux autres
construits). Elle est prouve lorsque les contributions factorielles sont suprieures aux
contributions factorielles croises. A la suite de cette tape, deux items ont t supprims des
analyses ultrieures 6 . Le premier est PE4 de lchelle de la performance attendue (formul
comme suit : Si jutilise BO, je vais avoir plus de chance dobtenir une promotion). Le
deuxime est rattach lchelle de la volont (formul comme suit : Mon utilisation de BO
est volontaire) et a une contribution factorielle ngative 7 . Les cross loading de tous les items
sont prsents en annexe 2. Les rsultats montrent que pour chaque variable les contributions
factorielles la variable de mesure sont suprieures aux contributions factorielles croises. En
outre, nous avons vrifi pour chaque construit que la racine carre de lAVE est suprieure
aux corrlations inter-construits. Les rsultats prsents dans le tableau 6 montrent que la
validit discriminante du modle de mesure est prouve.
Tableau 6 : AVE et corrlations inter-construits*
(1)

(2)

(3)

(4)

(5)

(6)

(7)

(1) Intention

0,90

(2) Comportement
attendu

0,74

0,86

0,37

0,40

0,80

(4) Performance
attendue

0,56

0,57

0,46

0,82

(5) Conditions
facilitatrices

0,30

0,39

0,46

0,31

0,63

(6) Influence sociale

0,31

0,18

0,34

0,35

0,35

0,74

(7) Usage

0,31

0,31

0,33

0,33

0,22

0,26

0,67

-0,36

-0,35

-0,35

-0,32

-0,40

-0,54

-0,39

(3) Effort attendu

(8) Volont

(8)

0,70

*Les valeurs se trouvant sur la diagonale constituent la racine carre de lAVE.

4.3. Test dhypothses

Ayant vrifi les qualits psychomtriques de notre instrument de mesure, ltape suivante
consiste tester les hypothses de recherche en calculant les coefficients de corrlations entre
les variables (path coefficient) et leur niveau de significativit (par le T de Student). Les
rsultats sont reprsents dans le tableau 7. Ils montrent que quatre hypothses postules ont
t confirmes alors que quatre autres ont t rejetes.
Tableau 7 : Test des hypothses de recherche
Hypothses

Echantillon
dorigine

Moyenne

Ecart
type

Statistique
T

Intention -> Comportement attendu

H5

0,68

0,68

0,06

11,17***

Intention -> Usage

H6

0,17

0,19

0,15

1,11

Comportement attendu -> Usage

H7

0,18

0,20

0,13

1,74*

Bien que la suppression ditems valids dans les recherches antrieures soit fortement dconseille, elle est
invitable dans notre travail tant donn quelle amliore largement les rsultats.
7
Les indicateurs (AVE, CR et ) prsents dans le tableau 5 tiennent comptent de la suppression de ces deux
items.

11

Effort attendu -> Intention

H2

0,07

0,10

0,09

0,82

Performance attendue -> Intention

H1

0,43

0,41

0,09

4,75***

Conditions facilitatrices ->

Comportement attendu

H4

0,18

0,20

0,06

2,69***

Influence sociale -> Intention

H3

0,08

0,10

0,10

0,83

Influence sociale * Volont -> Intention

H3a

-0,11

-0,09

0,19

0,60

*p<.1; **p<.05; ***p<.01

Le comportement dusage est positivement influenc par le comportement attendu confirmant

ainsi lhypothse H7 (=0,18 ; T=1,74). Toutefois, leffet de lintention dadopter BO sur son
usage effectif est avr non significatif (=0,17 ; T=1,11). Lhypothse H6 est par consquent
rejete. Concernant les dterminants du comportement attendu, aussi bien conditions
facilitatrices quintention dusage linfluencent positivement et significativement (les
coefficients sont relativement =0,18 ; T=2,69 et =0,68 ; T=11,17). Ces rsultats confirment
H4 et H5. Au niveau des dterminants de lintention dadopter BO, seule la performance
attendue exercent un effet positif et significatif sur lintention (=0,43 ; T=4,75) confirmant
ainsi lhypothse H1. Aussi bien les perceptions de leffort attendu que de linfluence sociale
nont deffets significatifs sur lintention dusage de BO (les coefficients sont respectivement
=0,07 ; T=0,82 et =0,08 ; T=0,83). Les hypothses H2 et H3 sont ainsi rejetes. La volont
exerce un effet ngatif sur la relation entre linfluence sociale et lintention dusage.
Toutefois, cet effet est non significatif (=-0,11 ; T=0,60).
5.

Discussion

5.1.

Les dterminants de lintention dusage

Les mesures obtenues au test de Student nous permettent, dans notre contexte dtude,
dinfirmer les hypothses selon lesquelles leffort attendu et linfluence sociale ont un effet
positif sur lintention dutiliser le systme dinformation en question. Ce rsultat est
surprenant en ce quil est en contradiction avec les rsultats des recherches antrieures, que ce
soit dans le cadre de lUTAUT (Venkatesh et al., 2003) ou du TAM (Davis et al., 1989) au
sein duquel la facilit dutilisation perue tait un construit de base du modle.
Nous pensons que lexplication de ce rsultat tient aux spcificits de la population
interroge. En effet, il est possible que la notion deffort attendu et la notion dinfluence
sociale soient apprcies diffremment par cette population particulire que constituent les
membres dencadrement de la distribution alimentaire. Concernant leffet de linfluence
sociale, les personnels dencadrement des supermarchs disposent dun haut degr
dautonomie et de dlgation dans lorganisation de leur travail. La reconnaissance sociale
passe fortement par la comparaison des uns avec les autres sur les rsultats oprationnels
obtenus. Lusage dun nouveau logiciel daide la dcision nest pas forcment associ une
meilleure image sociale. La non-significativit de ce lien entraine celle de leffet de la volont
qui nexerce aucun effet modrateur significatif. Indpendamment de ce rsultat la volont
nest pas sense avoir un effet important dans la mesure o lusage de BO est volontaire.
De plus, nous sommes en prsence dune catgorie professionnelle habitue des conditions
de travail rputes difficiles par rapport dautres secteurs dactivit. La notion deffort
attendu y est peut-tre apprcie diffremment de ce que retranscrivent les items utiliss pour
la mesure. Elle peut galement navoir, comme nous lavons effectivement observ, pas
deffet significatif sur lintention. Une autre explication de ce rsultat tient aux

12

caractristiques de BO. Ce logiciel, simple dutilisation, ne require pas de connaissances

informatiques solides et par consquent ne ncessite pas un effort pour tre utilis.
Nous remarquons galement que le poids crasant de la performance attendue sur lintention
peut sexpliquer en partie par la proportion importante dhommes dans notre chantillon. Le
sexe est une variable modratrice que certains auteurs ont considr comme significative pour
expliquer linfluence de la performance attendue sur lintention de se comporter (Venkatesh et
al., 2003). Leffet important de cette variable peut galement sexpliquer par lassociation que
les rpondants font entre lutilisation du logiciel et lamlioration du travail. En effet, BO est
suppos apporter une aide aux diffrents managers (quel que soit leur niveau) pour lanalyse
de lactivit journalire et la prise de dcision. Le logiciel est aliment mensuellement pour
une gestion hebdomadaire de lactivit (plannings, promotions,). De ce fait, il est peru
comme utile et contribue lamlioration de la performance du travail.
5.2.

Le comportement attendu et ses dterminants

Le comportement attendu est un construit rcent identifi par Venkatesh et al. (2008). Nous
lavons intgr dans notre modle en le combinant au modle de lUTAUT. Compte tenu des
rsultats observs, nous sommes plutt enthousiastes quant lintrt de cette variable. En
effet, limportante variance explique du comportement attendu (R = 57%) et la validation de
toutes les hypothses qui lui sont relies nous renseigne sur son pouvoir explicatif du
comportement dusage.
Toutefois, Venkatesh et al. (2008) ont admis que, partir dun certain niveau dexprience,
lintention tait une meilleure variable explicative de la dure dutilisation que le
comportement attendu. Daprs nos observations, lintention na pas deffet significatif sur
lusage, son effet tant capt par le comportement attendu. Il serait intressant de mener des
analyses plus pousses sur les diffrents composants de lusage afin de confirmer ou
dinfirmer nos observations.
5.3.

Le comportement dusage

La variance explique de lusage demeure notre seule dception au cours de cette recherche.
En effet, notre objectif ultime tait dobtenir une explication significative du comportement
dusage dans la grande distribution alimentaire. Avec un R = 15% pour la variable usage,
nous sommes loin des 70% de variance explique dans le cadre des travaux de Venkatesh et
al. (2003).
Nous pensons que cet cart est avant tout d loutil de mesure utilis pour capter lusage rel
du systme dinformation. En effet, Venkatesh et al. (2003) ont mesur cette variable avec la
mthode objective (via les logs du systme) l o nous avons opt pour la mthode subjective
(via le tmoignage des utilisateurs). Nous avons fait ce choix pour disposer des donnes
ncessaires lanalyse ultrieure de linfluence de lintention et du comportement attendu sur
la dure dutilisation, la frquence dutilisation et lintensit dutilisation du systme.
Toutefois, pour des raisons pratiques, nous avons ralis cette recherche en considrant ces
trois items comme constitutifs dune seule variable dpendante : lusage. Il semble que notre
mthode danalyse ne soit pas adapte aux items mesurs et que ces derniers doivent ltre
dans les mmes conditions que celles utilises pour la validation du comportement attendu
(Venkatesh et al., 2008), cest--dire en considrant la dure, la frquence et lintensit
comme des variables distinctes que les dterminants de lusage influencent diffremment.
Dun point de vue thorique, la qualit prdictive de lUTAUT provenait notamment de
lintgration de quatre variables modratrices sur les dterminants de lintention et de
lusage : lge, le sexe, lexprience et la volont. Dans notre propre modle, nous navons
retenu que la volont parce que lintrt de ces variables modratrices navait pas t observ
13

dans toutes les validations de lUTAUT (Marchewka et al., 2007). Toutefois, la lumire de
limportance de lcart entre notre variance explique et celle des travaux de Venkatesh et al.
(2003), il serait intressant de rintgrer ces variables dans le cadre danalyses futures pour
apprcier leur impact rel sur lexplication du comportement dusage.
5.4.

Contributions de la recherche

A la lumire de ces rsultats, nous proposons des contributions pour la littrature et la gestion
de la mise en place des TIC en entreprise.
Notre travail apporte une nouvelle validation de lUTAUT et confirme ses apports dans
lidentification des facteurs favorisant ladoption des SI. Bien que notre tude napporte pas
une innovation majeure sur le plan thorique, elle peut tre considre comme originale et ce
deux gards. Dun ct, notre travail constitue lune des rares applications de lUTAUT
dans le contexte franais (en plus de celle de Bourdon et Hollet, 2009). La plupart des
applications du modle ont t menes dans le contexte anglo-saxon ou asiatique (Chine,
Japon, Taiwan). Les diffrences culturelles pourraient alors expliquer la divergence de nos
rsultats par rapport aux travaux antrieurs.
Dun autre ct, notre tude constitue la premire mene dans le contexte de la grande
distribution alimentaire pour ladoption dun outil daide la dcision. Les diffrentes
applications de lUTAUT ont t menes dans le contexte estudiantin et rares sont les
applications en milieu de travail. Notre recherche nous a permis ainsi didentifier trois
facteurs cls de ladoption de BO savoir la performance attendue, les conditions
facilitatrices et le comportement attendu. Ainsi les managers voulant favoriser lacceptation
de tels systmes parmi les utilisateurs, doivent montrer et prouver leur utilit et fournir les
conditions favorables leur usage (assistance technique, formation,).
Par ailleurs, au vu des indicateurs statistiques relatifs la variable comportement attendu (R2,
AVE et fiabilit), lintrt de lintgrer dans lUTAUT se confirme. Nos rsultats montrent
que le comportement attendu influence positivement le comportement dusage de BO alors
que lintention na pas deffet significatif. Nanmoins, ce rsultat reste approfondir dans la
mesure o la corrlation entre lintention et le comportement attendu est relativement leve
bien que ces deux construits soient statistiquement distincts. Ce rsultat suggre que le
comportement attendu est un meilleur prdicteur de lusage que lintention. Il serait alors
intressant de savoir quel point le comportement attendu serait un bon prdicteur de lusage
et sil peut le cas chant se substituer lintention.
5.5.

Limites et perspectives de recherche

Certaines limites sont importantes signaler afin dapporter plus dclairages la conduite et
aux rsultats de cette recherche. Premirement, la suppression des variables modratrices
(considres comme un des apports majeurs de lUTAUT) aurait pu influencer nos rsultats.
La suppression de ces variables est justifie par limpertinence de leur application dans notre
travail. Nanmoins, le faible pouvoir explicatif du modle nous pousse nous poser des
questions quant leur rintgration. Deuximement, la mesure que nous avons utilise pour
lusage est critiquable. Contrairement Venkatesh et al. (2003), nous navons pas distingu
les diffrentes mesures de lusage ( savoir la dure, lintensit et la frquence). Nous avons
agrg ces mesures en une seule variable. Les rsultats statistiques ne consolident pas notre
choix puisquaussi bien les valeurs de lAVE que de lalpha de Cronbach taient faibles
(respectivement 0,45 et 0,41). Troisimement, linstrument de mesure que nous avons utilis
pourrait tre source de biais. Bien que les traductions des chelles de mesure aient suivi une
mthode scientifique rigoureuse, un prtest sur une population rduite aurait pu apporter

14

certains clairages quant la clart des questions et leur comprhension et amliorer par
consquent les rsultats de lanalyse confirmatoire.
Plusieurs perspectives sont envisageables pour lextension de ce travail. Afin de mieux
comprendre les rsultats (liens confirms ou rejets), il serait intressant de raliser des
entretiens qualitatifs avec les rpondants. Cela permettrait de mieux comprendre certains
rsultats surprenants et dintgrer les lments du contexte dans lanalyse.
Par ailleurs, afin damliorer le pouvoir explicatif de notre modle, nous avons explor de
nouveaux liens entre les variables que nous avons tests par Smart PLS. De nouveaux liens
significatifs ont merg. Il sagit de leffet direct de la performance attendue sur le
comportement attendu et sur lusage renforant ainsi le poids de cette variable dans
lUTAUT. Aussi, un lien significatif direct a t identifi entre la volont et lintention de se
comporter. En plus de ces rsultats appelant davantage dapprofondissement, la variance
explique de lusage sest amliore et a atteint 20% ce qui prouve la pertinence du nouveau
modle test.
Conclusion
Le thme des comportements des utilisateurs vis--vis des technologies de linformation et de
la communication continue susciter lintrt de beaucoup de chercheurs en systmes
dinformation. Le prsent travail sintgre dans cette perspective et cherche identifier les
dterminants de ladoption dun systme daide la dcision par les responsables dune
enseigne de la grande distribution alimentaire. Le modle thorique adopt est lUTAUT de
Venkatesh et al. (2003) avec sa rcente extension de Venkatesh et al. (2008). Nous avons, par
ailleurs, adapt le modle au contexte de son application en liminant trois des quatre
variables modratrices (sexe, ge et exprience). Ltude empirique ralise auprs de 129
responsables de cette enseigne met laccent sur trois variables cls favorisant ladoption de ce
SI savoir les conditions facilitatrices, la performance attendue et le comportement attendu.
Linfluence sociale, la volont (quatrime variable modratrice), les perceptions de leffort
attendu ainsi que lintention dusage se sont avres non significatives dans notre modle. Ces
rsultats nous ont permis de proposer des contributions thoriques et managriales pouvant
aider lamlioration de la mise en place de ce type de projet.
Bibliographie
Bagozzi, R.P., (2007), The legacy of the technology acceptance model and a proposal for a
paradigm shift, Journal of the Association for Information Systems, Vol. 8, n4, p.
244254.
Bourdon, I., Hollet, S., (2009), Pourquoi contribuer des bases de connaissances ? Une
exploration des facteurs explicatifs la lumire du modle UTAUT, Systmes
d'Informations et Management, Vol. 14, n1, p. 9-36.
Brangier, E., Barcenilla, J., (2003), Concevoir un produit facile utiliser, Editions
dOrganisation, 2003.
Brangier, E., Dufresne, A., Hammes, S., (2009), Approche symbiotique de la relation humaintechnologie : perspectives pour lergonomie informatique, Le Travail humain, Vol. 72,
n4, p. 333-353.
Brangier, E., Hammes, S., Bastien, J.M.C., (2010), Analyse critique des approches de
lacceptation des technologies : de lutilisabilit la symbiose humain-technologieorganisation, Revue europenne de psychologie applique, Vol. 60, p. 129-146.
Carr, N., (2003), IT doesnt matter, Harvard Business Review, Vol. 81, n5, p. 41-49.
Curtis, L., Edwards, C. , Fraser, K. L., Gudelsky, S., Holmquist, J., Thornton, K., Sweetser,
K. D., (2010), Adoption of social media for public relations by nonprofit
organizations, Public Relations Review, Vol. 36, n1, p. 9092.
15

Davis, F.D., (1989), Perceived usefulness, perceived ease of use and user acceptance of
information technology, MIS Quarterly, Vol.13, n3.
Davis, F.D., Bagozzi, R.P., Warshaw, P.R., (1989), User Acceptance of Computer
Technology: A Comparison of Two Theoretical Models, Management Science, Vol.
35, p. 982-1003.
DeLone, W.H., McLean, E.R., (1992), Information systems success: The quest for the
dependent variable, Information Systems Research, Vol.3, p. 60-95.
Devaraj, S., Kohli, R., (2003), Performance Impacts of Information Technology: Is Actual
Usage the Missing Link?, Management Science, Vol. 49, n3, p. 273-289.
Dulle, F.W. Minish-Majanja, MK., (2009), Researchers perspectives on open access
scholarly communication in Tanzanian public universities, South African Journal of
Information Management, Vol. 11, n3.
Dulle, F.W., Minish-Majanja, M.K. (2011), The suitability of the unified theory of
acceptance and use of technology (UTAUT) model in open access adoption studies,
Information Development, Vol. 27, n 1, p. 32-45.
Eckhardt, A., Laumer, S., Weitzel, T., (2009), Who influences whom? Analyzing workplace
referents social influence on IT adoption and non-adoption, Journal of Information
Technology, Vol. 24, n1, p. 1124.
Engelbart, D.C., (1992), Toward high-performance organizations: A strategic role for
groupware, http://www.bootstrap.org/aug-docs/augment-132811.htm
Fornell, C., Larcker, D.F., (1981), Evaluating structural equations models with unobservable
variables and measurement error, Journal of Marketing Research, Vol.18, p.3950.
Hong, W., Thong, J., Wong, W.M., Tam, K.Y., (2001/2002), Determinants of user
acceptance of digital libraries, Journal of Management Information System, ,Vol.18, n
3, p. 97-124.
Igbaria, M., Tan, M., (1997), The Consequences of Information Technology Acceptance on
Subsequal Individual Performance, Information & Management, Vol. 32, p.113-121.
Jurison, J., (1996), The temporal nature of IS benefits: A longitudinal study, Information
and management, Vol.30, n2, p. 75-79.
Licklider J.C.R., (1960), Man-Computer Symbiosis, in Transactions on Human Factors in
Electronics, Vol. 1, p. 411.
Lin C.P., Anol, B., (2008), Learning online social support: An investigation of network
information technology, Cyber Psychology & Behavior, Vol. 11, n3, p. 268272.
Marchewka, J.T., Liu, C., Kostiwa, K., (2007), An Application of the UTAUT Model for
Understanding Student Perceptions Using Course Management Software,
Communications of IIMA (CIIMA), Vol.7, n2, p. 93-104.
Marchewka, J.T., Liu, C., Kostiwa, K., (2007), An Application of the UTAUT Model for
Understanding Student Perceptions Using Course Management Software,
Communications of IIMA (CIIMA), Vol.7, n2, p. 93-104.
Ringle, C.M., Wende, S., Will, S., (2005), Smart PLS 2.0 (M3) Beta, http://www.smartpls.de
Sykes, T.A., Venkatesh, V., Gosain, S., (2009), Model of Acceptance with Peer Support: A
Social Network Perspective to Understand Employees' System Use, MIS Quarterly,
Vol. 33, p. 371-393.
Van Raaij, E. M., Schepers, J.J.L., (2008), The acceptance and use of a virtual learning
environment in China Computers & Education, Vol. 50, n3, p. 838852.
Venkatesh, V., Bala, H., (2008), Technology Acceptance Model 3 and a Research Agenda on
Interventions, Decision Sciences, Vol.39, p. 273-315.
Venkatesh, V., Brown, S.A., Maruping, L.M., Bala, H., (2008), Predicting Different
Conceptualizations of System Use: The Competing Roles of Behavioral Intention,
Facilitating Conditions, and Behavioral Expectation, MIS Quarterly, Vol.32, n3, p.
16

483-502.
Venkatesh, V., Goyal, S., (2010), Expectation Disconfirmation and Technology Adoption:
Polynomial Modeling and Response Surface Analysis, MIS Quarterly, Vol.34, p.281303.
Venkatesh, V., Morris, M.G., Davis, G.B., Davis, F.D., (2003), User Acceptance of
Information Technology: Toward a Unified View, MIS Quarterly, , Vol.27, n3, p.
425-478.
Volle, M., Prface pour Henri Chelli, Urbaniser lentreprise et son systme dinformation,
Vuibert, 2003.
Wang H.W., and Wang, S.H., (2010), User acceptance of mobile Internet based on the
Unified Theory of Acceptance and Use of Technology: Investigating the determinants
and gender differences, Social Behavior & Personality: An International Journal, Vol.
38, n3, p. 415426.
Warshaw, P., Davis, F.D., (1985), Disentangling behavioral intention and behavioral
expectation, Journal of Experimental Social Psychology, Vol.21, p. 213- 228.
Annexe 1 : questionnaire de recherche
Variables

Items
PE1

Performance
attendue
(PE)

PE2
PE3
PE4
EE1

Effort attendu
(EE)

EE2
EE3
EE4
BI1

Intention de se
comporter
(BI)

BI2
BI3

SI1
Influence
sociale
(SI)
SI2

Enoncs
Je trouve que Business Objects est utile pour
mon travail.
L'utilisation de Business Objects me permet de
faire mon travail plus rapidement.
L'utilisation de Business Objects amliore ma
productivit.
Si j'utilise Business Objects, je vais avoir plus
de chances d'obtenir une promotion.
Mes interactions avec Business Objects sont
clairs et comprhensibles.
Il serait facile pour moi de devenir performant
dans l'utilisation de Business Objects.
Je trouve que Business Objects est facile
utiliser.
Apprendre utiliser Business Objects est
facile pour moi.
J'ai l'intention d'utiliser Business Objects
prochainement.
Je prvois d'utiliser Business Objects
prochainement.
J'ai planifi d'utiliser Business Objects
prochainement.
Les personnes qui influencent mon
comportement (suprieurs hirarchiques)
pensent que je devrais utiliser Business
Objects.
Les personnes qui sont importantes pour moi
(collgues proches/membres de la famille)
pensent que je devrais utiliser Business
Objects.

Sources

Venkatesh
et al. (2003)

Venkatesh
et al. (2003)

Venkatesh
et al. (2008)

Venkatesh
et al. (2003)

17

SI3
SI4
FC1
Conditions
facilitatrices
(FC)

FC2
FC3
FC4
BE1

Comportement
attendu
(BE)

BE2
BE3
BE4
Duration

Usage
(USE)

Frequency
Intensity
VOL1
VOL2

Volont
(VOL)

VOL3
VOL4

Exprience
(EXP)
Age (AGE)
Sexe
Fonction

Mes suprieurs hirarchiques m'ont aids dans

l'utilisation de Business Objects.
En gnral, l'entreprise a appuy l'utilisation
de Business Objects.
Je dispose des ressources technologiques
ncessaires pour utiliser Business Objects
Je dispose des connaissances ncessaires pour
utiliser Business Objects.
Business Objects n'est pas compatible avec
d'autres logiciels que j'utilise.
Une personne spcifique (ou un service) est
disponible pour m'assister dans l'utilisation de
Business Objects.
Je m'attends utiliser Business Objects
prochainement.
J'utiliserai Business Objects prochainement.
Je vais probablement utiliser Business Objects
prochainement.
Je
vais
utiliser
Business
Objects
prochainement.
En moyenne, combien d'heures par semaine
utilises-tu Business Objects ?
A quelle frquence utilises-tu Business Objects
?
Comment values-tu l'intensit de ton
utilisation de Business Objects ?
Mes suprieurs hirarchiques s'attendent ce
que j'utilise Business Objects.
Mon utilisation de Business Objects est
volontaire.
Mon suprieur hirarchique ne m'oblige pas
utiliser Business Objects.
Bien qu'elle soit utile, l'utilisation de Business
Objects n'est certainement pas obligatoire dans
mon travail.

Depuis quand utilises-tu Business Objects ?

Age
Sexe
Fonction

Venkatesh
et al. (2008)

Venkatesh
et al. (2008)

Venkatesh
et al. (2008)

Moore et
Benbasat
(1991)

Venkatesh
et al. (2003 ;
2008)

18

Annexe 2 : Contributions factorielles croises

Intention Comportement attendu Effort attendu Performance attendue Conditions facilitatrices Influence sociale

Usage

Volont

BE1

0,658692

0,864148

0,326054

0,495396

0,355749

0,213662

0,305085 -0,386362

BE2

0,643267

0,901849

0,365219

0,493181

0,407394

0,148753

0,314088 -0,353930

BE3

0,566016

0,742299

0,342488

0,434113

0,239534

0,089123

0,143518 -0,130830

BE4

0,687510

0,936158

0,368785

0,547955

0,355752

0,179625

0,310290 -0,327530

DUR

0,165685

0,195062

0,259245

0,156602

0,158163

0,154675

0,626656 -0,236915

FREQ 0,272867

0,277423

0,219267

0,351397

0,122148

0,282677

0,815927 -0,338470

INTS

0,187204

0,152618

0,224724

0,117508

0,195546

0,044912

0,560497 -0,189500

FC1

0,296217

0,333588

0,345687

0,296613

0,787510

0,191660

0,009335 -0,202391

FC2

0,217360

0,279941

0,513678

0,245873

0,718405

0,356832

0,324674 -0,368424

FC3

0,081470

0,166410

0,059515

0,101854

0,412517

0,184325

0,090639 -0,273238

FC4

0,118485

0,180289

0,142661

0,096780

0,529779

0,156954

0,162319 -0,221996

INT1

0,938564

0,682805

0,342470

0,543151

0,287907

0,330572

0,275236 -0,325580

INT2

0,946239

0,699208

0,309071

0,522580

0,320174

0,283204

0,268876 -0,366158

INT3

0,838045

0,636151

0,361811

0,464832

0,233482

0,246147

0,320613 -0,303471

PEU1 0,322866

0,286037

0,790137

0,492297

0,437970

0,364862

0,207248 -0,295971

PEU2 0,270642

0,325380

0,789225

0,392786

0,364449

0,228351

0,213391 -0,246453

PEU3 0,327458

0,330219

0,871762

0,385000

0,353784

0,292479

0,346262 -0,283861

PEU4 0,275853

0,380818

0,794660

0,226682

0,366017

0,204187

0,321544 -0,317277

PU1

0,570996

0,537394

0,345200

0,858293

0,270207

0,280858

0,312141 -0,331928

PU2

0,411741

0,435252

0,437740

0,814364

0,261814

0,377322

0,306081 -0,261566

PU3

0,364386

0,408276

0,377383

0,787160

0,251780

0,208551

0,200112 -0,174750

SI1

0,300254

0,180655

0,287425

0,346177

0,254013

0,832660

0,250594 -0,487201

SI2

0,260496

0,152762

0,231752

0,304499

0,141277

0,746520

0,225566 -0,291450

SI3

0,182732

0,090358

0,241452

0,208582

0,324499

0,721953

0,069358 -0,375959

19

0,163844

0,110621

0,270848

0,179209

0,442328

0,693966

VOL1 -0,329366

-0,293529

-0,327601

-0,347702

-0,475887

-0,606146

-0,2218

VOL3 -0,114774

-0,079648

-0,097361

-0,069693

-0,156885

-0,311752

-0,26064 0,549479

VOL4 -0,267902

-0,309132

-0,250785

-0,187257

-0,153126

-0,187581

-0,38241 0,739447

SI4

0,207863 -0,499135
0,813152

20